生成器

我们学习完推导式之后发现，推导式就是在容器中使用一个for循环而已，为什么没有元组推导式？

原因就是“元组推导式”的名字不是这样的，而是叫做生成器表达式。

什么是生成器

生成器表达式本质上就是一个迭代器，是定义迭代器的一种方式，是允许自定义逻辑的迭代器。生成器使用generator表示。

迭代器和生成器的区别

迭代器本身是系统内置的， 无法重写内置的逻辑结构；而生成器是用户自定义的，可以重写逻辑结构。所以生成器就是一个迭代器，只是我们将自己写的迭代器叫做生成器作为区分而已。

创建方式

生成器有两种创建方式

1. 生成器表达式，就是“元组推导式”
2. 生成器函数，就是使用def定义，里面使用yield关键字

生成器表达式

基本语法

from collections import Iterator, Iterable

# 生成器表达式（元组推导式）
gen = (i * 2 for i in range(1, 11))
print(isinstance(gen, Iterable))  # 判断是否是迭代对象
print(isinstance(gen, Iterator))  # 判断是否是迭代器

# 这个 gen 就是生成器

生成器函数

我们上面说到，生成器函数如何定义？其实和普通的函数定义的方法是一样的，都是要使用def关键字来定义，其它的写法没有任何要求，普通函数怎么写生成器函数就怎么写，唯一的要求就是要使用yield关键字。

要注意，生成器函数就是一个函数，是使用了yield的函数，只不过生成器函数是用来定义生成器的。

yield关键字

yield这个关键字其实类似于return关键字，return关键字的作用是在函数中使用，用来返回数据，yield关键字的作用也是一样的，就是用来返回数据，但是和return还有其它的不同之处。

yield和return

共同点

执行到对应语句的时候，就会返回对应的值。

不同点

return执行的时候，函数就跳出，然后return之后的所有作用域语句就会全部跳出，当函数再次调用的时候，整个函数就重新执行。

yield执行的时候，返回数据，但是函数就会记住跳出的位置，当你再次调用函数（生成器）的时候，就从上一次跳出的地方继续执行，是不是和迭代器的取值有异曲同工之处？

yield的使用方法

yield的使用方法有两种，一种是和return的使用方法一样，在关键字的后面直接添加返回值，这是推荐使用的方法；

第二种方法使用将yield作为一个函数使用，就是在yield后面使用括号，在括号中填写返回的值。

生成器函数的基本使用

# 1、定义一个生成器函数
# 生成器函数就是一个使用yield的函数
def myGen():
	print(1)
	yield 11
	print(2)
	yield 22
	print(3)
	yield 33


# 2、初始化生成器
# 执行生成器函数，返回一个对象，就是生成器对象，简称生成器
from collections import Iterator
gen = myGen()
res = isinstance(gen, Iterator)
print(res)  # True  返回True说明生成器本质上就是一个迭代器


# 3、调用生成器
# 生成器本质上就是一个迭代器，还记得迭代器如何调用吗？
res = next(gen)
print(res)
"""
结果：
1   （生成器函数中的语句 print(1)）
11  （yield返回的值，print(res)）
"""

send的使用

send和next一样，都是用来取出迭代器中的值的函数，send是生成器的内置函数。而且send和next相比，功能更加的强大，next只能取值；send不但能取值，而且还能发送值。

实例

定义生成器函数

def myGen():

   print('process start')
   #  res获取yield的值
   res = yield 100

   print(res, '内部打印1')
   print('process start')
   res = yield 200

   print(res, '内部打印2')
   print('process start')
   res = yield 300

   print(res, '内部打印3')

初始化生成器

gen = myGen()

第一次调用生成器

# 在使用send时，第一次传递的数据必须是None，这是硬性语法，以为send第一次传递参数的时候，还没有遇到yield，所以不能传送。
res = gen.send(None)

print(res)
"""
结果：
process start
100
"""

使用send第一次调用生成器的时候执行了下面的语句：

print('process start')
res = yield 100

执行到yield 100的时候，才碰到了yield，但是send之前没有遇到过yield，所以不能传入任何值，None没有任何意义，这是硬性语法。

这里注意，res = yield 100中的res此时没有任何价值。因为这个一条语句我们目前只执行了一半，执行了yield 100，还有res的赋值没有完成，所以现在的res没有任何的意义。

第一次调用生成器，返回100，这个100则是语句res = yield 100返回的值。

第二次调用

res = next(gen)
print(res)
"""
结果：
None 内部打印1
process start
200
"""

第二次调用执行了以下语句：

res = yield 100
print(res, '内部打印1')
print('process start')
res = yield 200

注意，生成器函数在调用的时候，会从上一次yield返回值的地方，就是res = yield 100，但是这个语句第二次调用的时候，只会执行一半，因为另一半在第一次调用的时候已经执行完了，就是yield 100，就是说还有res的赋值没有进行，但是第二次调用使用的是next，next没有传送值的能力，所以res就没有赋予任何值，，在打印的时候，res就是一个None。

第三次调用

res = gen.send('第三次调用')
print(res)
"""
结果：
第三次调用 内部打印2
process start
300
"""

第三次调用执行的语句是：

res = yield 200
print(res, '内部打印2')
print('process start')
res = yield 300

这次和第二次的调用基本是一样的，但是这次是使用send调用，所以传送了值过去，执行于是将值赋予了res。

第四次调用

res = gen.send(None)
print(res)

"""
结果：
None 内部打印3
StopIteration  （报错）
"""

第四次调用，执行以下语句：

res = yield 300
print(res, '内部打印3')

第四次调用生成器，没有可以执行的yield语句，所以返回不了任何数据，因此报出了 StopIteration的错误。

可迭代对象的优化

现在我们就已经学习完了容器和迭代器、生成器的相关知识，我们也知道了可迭代对象和迭代器的区别，那么现在我们要说的是，如果我们需要制定一个容器供我们遍历使用，那么我们优先使用迭代器而不是容器这样的一个普通的可迭代对象。

在我们之后的日常使用过程当中，我们有时就会发现，我们需要在一个循环中遍历一个容器供我们使用，但是这个容器中的值非常多，使这个容器占据的内存空间非常大，消耗了大量的资源，导致我们的程序非常慢。这个时候我们就需要使用迭代器或者生成器去遍历，迭代器每次遍历只占据当次遍历时的内存空间，因此非常的节省资源，所以这就是我们优先使用迭代器的理由。

总结

现在我们就学习完了python中的所有的函数类型，知道了python中的有内置函数、自定义函数，之后我们还会学习一些python的常用标准库和第三方库，里面也有一些我们经常用到的函数。

1. 普通函数，使用def定义
2. 匿名函数，使用lambda定义
3. 闭包函数，内函数调用外函数的变量，并且外函数将内函数返回，这样的嵌套下，外函数就是一个闭包函数，但是一般的情况下，我们并不特意的作出一个闭包函数，而是要使用闭包这么一个功能
4. 高阶函数，就是将函数作为参数使用的函数，常用的内置高阶函数有map、filter、reduce、sorted
5. 递归函数，自己调用自己的函数